Профессор Уортонской школы бизнеса при Пенсильванском университете Итан Моллик (Ethan Mollick) опубликовал исследование, в котором утверждает, что системы маршрутизации запросов между моделями ИИ систематически занижают сложность качественных и не связанных с программированием задач.
Итан Моллик, известный своими работами о применении искусственного интеллекта в бизнесе и образовании, представил результаты анализа работы маршрутизаторов — систем, распределяющих запросы пользователей между различными моделями ИИ в зависимости от сложности задачи. По его данным, алгоритмы чаще направляют запросы, требующие анализа текстов, креативного мышления или принятия решений, к менее мощным моделям, чем те, которые используются для решения технических или математических задач.
Моллик отмечает, что это приводит к снижению качества ответов на запросы, связанные с гуманитарными дисциплинами, менеджментом или стратегическим планированием. «Маршрутизаторы оптимизированы под задачи, где результат можно легко измерить, например, точность кода или решение уравнений, — пишет он. — Но для качественных задач критерии оценки размыты, и системы ошибочно считают их простыми».
Исследование основано на экспериментах с несколькими популярными маршрутизаторами, включая коммерческие и открытые решения. Моллик не называет конкретные продукты, но подчёркивает, что проблема носит системный характер. Он предлагает разработчикам пересмотреть подходы к оценке сложности задач, включив в алгоритмы больше параметров, отражающих нюансы нетехнических запросов.
Ранее Моллик выступал с критикой ограничений крупных языковых моделей в области креативности и адаптации к контексту. Его работы часто цитируются в дискуссиях о практическом применении ИИ в корпоративной среде.
Источники: X-пост Итана Моллика, 28 июня 2026 года.